你好中小學(xué)人工智能

第1章 時代已至\t002
1．1 新一代人工智能崛起\t002
1．1．1 一盤圍棋引發(fā)的關(guān)注\t002
1．1．2 人工智能助力工業(yè)革命\t004
1．1．3 人工智能促進(jìn)社會發(fā)展\t009
1．2 人工智能急需人才培養(yǎng)\t013
1．3 中小學(xué)人工智能教育的可行性與重要性\t017
1．3．1 重要性\t017
1．3．2 可行性\t019
第2章 戰(zhàn)略定位\t023
2．1 發(fā)展目標(biāo)\t025
2．1．1 人工智能發(fā)展成為國家的重要戰(zhàn)略部署\t025
2．1．2 培養(yǎng)聚集人工智能人才是國家重點任務(wù)\t025
2．1．3 中小學(xué)人工智能教育政策頻出，重要性凸顯\t026
2．2 教學(xué)現(xiàn)狀\t027
2．2．1 頂層設(shè)計相對缺失，標(biāo)準(zhǔn)指引仍然空白\t027
2．2．2 課程體系還未健全，教材水平參差不齊\t028
2．2．3 校內(nèi)學(xué)習(xí)課時不足，校外培訓(xùn)“新瓶裝舊酒”\t030
2．2．4 知識技能迭代較快，師資水平需要提升\t031
2．3 保障舉措\t032
2．3．1 加強(qiáng)頂層設(shè)計，明確課程標(biāo)準(zhǔn)\t032
2．3．2 評比優(yōu)秀教材，遴選典型案例\t033
2．3．3 共建交叉學(xué)科，創(chuàng)新培養(yǎng)模式\t033
2．3．4 提倡終身學(xué)習(xí)，強(qiáng)化師資培訓(xùn)\t033
2．3．5 資源合理布局，謹(jǐn)防數(shù)字鴻溝\t034
2．3．6 鼓勵多方力量，共建生態(tài)體系\t034
第3章 顧往識今\t036
3．1 人工智能的定義\t036
3．1．1 重新審視定義\t036
3．1．2 典型的定義\t037
3．2 何謂“智能”\t040
3．2．1 人工智能的腦視角\t041
3．2．2 圖靈測試與“人工蠢能”\t043
3．2．3 智能的測量\t046
3．2．4 強(qiáng)／弱人工智能\t049
3．2．5 奇點\t051
3．3 三派鼎力，分釋智能\t051
3．3．1 符號主義\t051
3．3．2 連接主義\t053
3．3．3 行為主義\t055
3．4 正視起落，寵辱不驚\t058
3．4．1 “人工智能”初問世\t058
3．4．2 三起兩落\t060
3．4．3 寒冬下的反思\t062
法
第4章 課程體系\t066
4．1 中小學(xué)人工智能課程體系探索\t066
4．2 中小學(xué)人工智能課程體系建設(shè)思路\t069
4．3 小學(xué)人工智能課程體系建設(shè)\t072
4．4 初中人工智能課程體系建設(shè)\t073
4．5 高中人工智能課程體系建設(shè)\t074
第5章 計算思維\t079
5．1 計算思維概述\t079
5．1．1 計算思維的內(nèi)涵\t079
5．1．2 計算思維與編程\t081
5．2 計算思維的重視與培養(yǎng)\t082
5．2．1 計算思維培養(yǎng)的重要性與必要性\t082
5．2．2 計算思維的培養(yǎng)思路\t084
5．3 不插電的計算思維訓(xùn)練\t085
5．3．1 不插電的含義\t085
5．3．2 生活中的計算思維\t087
5．3．3 不插電教學(xué)實例\t088

器
第6章 編程教育\t092
6．1 以SCRATCH為代表的可視化編程語言\t093
6．1．1 可視化編程語言的低門檻、薄壁壘\t095
6．1．2 可視化編程對于青少年教育的促進(jìn)\t095
6．1．3 可視化編程的局限性\t096
6．2 以PYTHON為代表的代碼式編程語言\t097
6．2．1 Python的教育定位\t097
6．2．2 Python的優(yōu)點\t098
6．3 以TENSORFLOW和PYTORCH為代表的人工智能框架\t103
6．3．1 種類繁多的人工智能框架語言\t103
6．3．2 廣受熱捧的TensorFlow的PyTorch\t104
6．4 編程語言的更迭\t106
6．5 中小學(xué)編程熱下的反思\t107
第7章 智能機(jī)器\t109
7．1 機(jī)器人\t110
7．1．1 作品中的智能機(jī)器\t110
7．1．2 生活中的智能機(jī)器\t112
7．2 中小學(xué)機(jī)器人教育\t114
7．2．1 機(jī)器人教育的獨特性\t114
7．2．2 中小學(xué)機(jī)器人教育現(xiàn)狀\t115
7．2．3 中小學(xué)機(jī)器人課程資源\t116
7．3 智能硬件\t117
7．4 教學(xué)用智能機(jī)器人\t119
7．4．1 人形機(jī)器人\t119
7．4．2 模塊化機(jī)器人\t121
術(shù)
第8章 知識工程\t126
8．1 專家系統(tǒng)\t126
8．1．1 專家系統(tǒng)的含義\t126
8．1．2 專家系統(tǒng)的簡單實例\t127
8．2 知識表示\t130
8．2．1 一階謂詞邏輯\t132
8．2．2 產(chǎn)生式規(guī)則\t133
8．2．3 框架表示法\t134
8．2．4 狀態(tài)空間表示法\t135
8．3 知識圖譜\t136
8．3．1 知識圖譜的歷程\t136
8．3．2 知識圖譜的構(gòu)成\t138
第9章 搜索算法\t142
9．1 圖搜索策略\t142
9．1．1 盲目搜索\t144
9．1．2 啟發(fā)式搜索\t145
9．2 博弈搜索\t148
9．2．1 極小極大算法\t148
9．2．2 Alpha-Beta剪枝法\t149
9．3 蒙特卡羅樹搜索\t151
第10章 機(jī)器學(xué)習(xí)\t154
10．1 機(jī)器學(xué)習(xí)概述\t154
10．1．1 機(jī)器學(xué)習(xí)的含義\t154
10．1．2 機(jī)器學(xué)習(xí)的分類\t155
10．2 數(shù)據(jù)初探\t156
10．2．1 數(shù)據(jù)的結(jié)構(gòu)\t156
10．2．2 大數(shù)據(jù)特征\t158
10．3 監(jiān)督學(xué)習(xí)\t159
10．3．1 線性回歸\t160
10．3．2 支持向量機(jī)\t164
10．3．3 樸素貝葉斯\t166
10．4 無監(jiān)督學(xué)習(xí)\t169
10．4．1 K-均值聚類\t170
10．4．2 主成分分析\t172
10．5 半監(jiān)督學(xué)習(xí)\t175
10．6 強(qiáng)化學(xué)習(xí)\t177
10．6．1 初識強(qiáng)化學(xué)習(xí)\t177
10．6．2 策略優(yōu)化與評估\t179
10．6．3 強(qiáng)化學(xué)習(xí)的算法\t181
第11章 深度學(xué)習(xí)\t184
11．1 基本概念\t184
11．1．1 神經(jīng)元\t184
11．1．2 激活函數(shù)\t185
11．1．3 感知機(jī)\t188
11．2 多層前饋神經(jīng)網(wǎng)絡(luò)\t190
11．2．1 損失函數(shù)\t191
11．2．2 網(wǎng)絡(luò)結(jié)構(gòu)\t191
11．2．3 梯度與隨機(jī)梯度\t195
11．2．4 反向傳播\t197
11．3 卷積神經(jīng)網(wǎng)絡(luò)\t198
11．3．1 卷積核\t199
11．3．2 卷積核的應(yīng)用\t201
11．3．3 感受野\t206
11．3．4 卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)\t210
11．4 RNN神經(jīng)網(wǎng)絡(luò)與LSTM網(wǎng)絡(luò)\t213
11．4．1 RNN神經(jīng)網(wǎng)絡(luò)\t213
11．4．2 LSTM網(wǎng)絡(luò)\t215
11．5 膠囊神經(jīng)網(wǎng)絡(luò)\t218
11．6 生成對抗網(wǎng)絡(luò)\t220
第12章 人工智能+X\t223
12．1 人工智能+語文\t224
12．1．1 自然語言處理助力語文\t225
12．1．2 自然語言處理的應(yīng)用領(lǐng)域\t226
12．1．3 自然語言處理的基礎(chǔ)術(shù)語\t230
12．1．4 自然交叉的學(xué)科\t231
12．2 人工智能+情感分析\t232
12．2．1 情為何物\t232
12．2．2 觸景生情\t237
12．2．3 知情達(dá)理\t242
12．2．4 情意綿綿\t244
12．3 人工智能+自動駕駛\t245
12．3．1 了解自動駕駛的歷史\t245
12．3．2 知曉自動駕駛的現(xiàn)狀\t246
12．3．3 熟悉自動駕駛的技術(shù)\t247
12．3．4 自動駕駛下的思考\t249
12．4 人工智能+藝術(shù)\t251
12．5 人工智能+生物\t254
12．5．1 “攪局”之眼\t255
12．5．2 遺傳算法\t257
12．6 人工智能+視覺分析\t261
12．6．1 人臉識別\t261
12．6．2 垃圾分類\t265
12．7 人工智能+法律與倫理道德\t266
12．7．1 責(zé)任劃分\t266
12．7．2 隱私保護(hù)\t267
12．7．3 知識產(chǎn)權(quán)\t268
12．7．4 道德倫理\t269
12．7．5 算法偏差\t273
道
第13章 賦能教育\t278
13．1 教育重塑\t278
13．1．1 傳統(tǒng)教育方式的挑戰(zhàn)\t278
13．1．2 人工智能時代下教育的改變\t279
13．1．3 賦能教師\t281
13．1．4 賦能學(xué)生\t283
13．1．5 賦能課堂\t285
13．2 職業(yè)轉(zhuǎn)變\t288
13．2．1 職業(yè)的消失\t288
13．2．2 盧德主義的教訓(xùn)\t289
13．3 人機(jī)協(xié)作\t290
13．3．1 各有千秋\t290
13．3．2 取長補(bǔ)短\t291
第14章 教學(xué)思考\t295
14．1 “135”教學(xué)理念\t295
14．1．1 一“觀”\t296
14．1．2 三“意”\t298
14．1．3 五“心”\t302
14．2 公益萬里\t306
14．2．1 公益授課傳溫情\t306
14．2．2 義教萬里暖人心\t307
14．3 體驗式學(xué)習(xí)\t309
第15章 未來展望\t311
15．1 前車之鑒\t311
15．1．1 STEAM教育之熱\t311
15．1．2 “STEAM熱”下的反思\t312
15．2 基礎(chǔ)為本\t314
15．3 長路漫漫\t315